293 interaktywny system edukacyjny wprowadzający w zagadnienie

Tomasz Olszewski, Piotr Boniecki, Jerzy Weres
Instytut InŜynierii Rolniczej
Akademia Rolnicza w Poznaniu
INTERAKTYWNY SYSTEM EDUKACYJNY WPROWADZAJĄCY
W ZAGADNIENIE SZTUCZNYCH SIECI NEURONOWYCH
Streszczenie
Dziedzina sztucznych sieci neuronowych ma swoje źródło w badaniach
dotyczących sztucznej inteligencji. Stanowią one próbę naśladowania
najwaŜniejszych cech charakteryzujących biologiczne systemy nerwowe.
Nazwą „sztuczne sieci neuronowe” (SSN) określa się dziś najczęściej
symulatory programowe, umoŜliwiające modelowanie sieci na komputerach
klasy PC. Sztuczne sieci neuronowe pozwalają na modelowanie systemów
empirycznych o nieokreślonych zaleŜnościach, trudnych do opisania
tradycyjnymi, deterministycznymi metodami. Mają równieŜ zdolność
generalizacji i uogólniania. Dzięki swym cechom SSN znajdują zastosowanie
w rozwiązywaniu róŜnych problemów w wielu, niepowiązanych z sobą
dziedzinach, jak: finanse, medycyna czy inŜynieria rolnicza. Celowe jest więc
wykonanie informatycznego systemu edukacyjnego, który pozwoli w łatwy i
przystępny sposób zapoznać uŜytkownika z tematyką modelowania
neuronowego.
Słowa kluczowe:
informatyczny
sztuczne
sieci
neuronowe,
edukacyjny
system
Wprowadzenie
Postępujący rozwój technologii komputerowych, wynikający z ogólnego
poszerzania wiedzy informatycznej, ma istotny wpływ na inŜynierie rolniczą.
Metody analityczne często ustępują miejsca metodom numerycznym,
umoŜliwiającym uwzględnienie większej złoŜoności oddziaływań, sprzęŜeń
czy nieliniowości. Systemy empiryczne rolnictwa przedstawiane są za
pomocą coraz bardziej dokładnych i złoŜonych modeli matematycznych.
Niektóre zjawiska i procesy, występujące w rolnictwie, charakteryzują się
jednak trudnymi do określenia zaleŜnościami. W takich przypadkach
niemoŜliwe jest zastosowanie tradycyjnych, deterministycznych rozwiązań.
Alternatywną metodą opisania takich systemów empirycznych jest
zastosowanie modelowania z wykorzystaniem sztucznych sieci
neuronowych [Boniecki 2004]. Sieci neuronowe znajdują szerokie
zastosowanie tam, gdzie uŜytkownik jest w stanie sprecyzować cel i podać
przykład jego osiągnięcia, ale nie jest pewien metod i sposobów
osiągnięcia tego celu [Tadeusiewicz 1998]. InŜynieria rolnicza ma juŜ wiele
293
obszarów, w których z powodzeniem zastosowano sieci neuronowe.
Wykorzystuje się je między innymi do prognozowania poziomów zbiorów,
do rozpoznawania kategorii owadów czy do sterowania procesu ładowania
kamiennego magazynu energii cieplnej. Jednak wiele osób związanych z
rolnictwem na ogół nie zna moŜliwości sieci neuronowych lub jest
zniechęconych rozbudowanymi i dość drogimi symulatorami SNN
dostępnymi na rynku. Potrzebne jest więc narzędzie, które pozwoli w łatwy
i przystępny sposób zademonstrować początkującemu uŜytkownikowi
działanie i wykorzystanie wybranych topologii sztucznych sieci
neuronowych.
Celem pracy było zaprojektowanie, wykonanie, przetestowanie i wdroŜenie
informatycznego systemu edukacyjnego, pozwalającego na zapoznanie
uŜytkownika z tematyką modelowania neuronowego.
Opis systemu
Aplikacja „EduNet” jest informatycznym systemem edukacyjnym,
pozwalającym zademonstrować początkującemu uŜytkownikowi działanie i
wykorzystanie sztucznych sieci neuronowych. W aplikacji zawarto
podstawowe elementy topologii sieci, takie jak neuron liniowy oraz radialny.
Prezentuje ona równieŜ wybrane typy jednokierunkowych sieci
neuronowych, takich jak perceptron wielowarstwowy MLP (ang. Multi Layer
Perceptron) czy sieć o radialnych funkcjach bazowych RBF (ang. Radial
Basis Function) oraz podstawowe metody ich uczenia. UmoŜliwi to
wprowadzenie uŜytkownika w rozległy temat teorii i praktyki sztucznych
sieci neuronowych.
Program wyposaŜony jest równieŜ w system pomocy zawierający wsparcie
dla uŜytkownika. Umieszczona jest w nim teoria dotycząca poszczególnych
modułów oraz sposób ich wykorzystywania. Wszystko to w celu ułatwienia
pracy z aplikacją.
Podstawowe moŜliwości systemu:
- symulacja neuronu liniowego,
- symulacja neuronu radialnego,
- symulacja sieci jednokierunkowej,
- symulacja algorytmu wstecznej propagacji błędów,
- symulacja sieci o radialnych funkcjach bazowych,
- integracja z systemem pomocy.
Interaktywny program „EduNet” bazuje na systemie okien dialogowych. Do
poprawnego działania wymaga komputera PC z systemem operacyjnym
294
Windows. Składa się ona z głównego formularza oraz kilku modułów. W
głównym oknie programu dokonuje się wyboru i uruchamia poszczególne
moduły aplikacji (rys. 1).
Rys. 1. Główne okno aplikacji systemu „EduNet”
Fig. 1. Primary window of “EduNet” application
Menu główne programu składa się z trzech podmenu: Modele neuronu,
Modele sieci oraz Pomoc. Elementy menu zostały ustawione w kolejności
umoŜliwiającej
uŜytkownikowi
stopniowe
zapoznawanie
się
z
zagadnieniami dotyczącymi sieci neuronowych – od wiadomości
podstawowych aŜ do bardziej zaawansowanych.
UŜytkownik pracując z poszczególnymi modułami (np. „Model neuronu
liniowego” (rys. 2), „Perceptron wielowarstwowy” (rys. 3)) moŜe praktycznie
zapoznać się z budową i zasadą działania sztucznych sieci neuronowych.
MoŜliwość dobierania i wprowadzania poszczególnych wartości przez
uŜytkownika pozwoli na analizowanie, badanie i łatwiejsze zrozumienie
zaleŜności zachodzących w sieciach neuronowych. KaŜdy moduł aplikacji
ma przycisk „Pomoc”, który uruchamia wsparcie dla uŜytkownika. Zawarta
jest w nim teoria dotycząca poszczególnych modułów oraz opis sposobu
ich wykorzystania (rys. 4).
295
Rys. 2. „EduNet” – okno modułu „Symulacja neuronu liniowego”
Fig. 2. “EduNet” – module window of “Linear neuron simulation”
Rys. 3. „EduNet” – okno modułu „Perceptron wielowarstwowy”
Fig. 3. “EduNet” – module window of “Multi – layer perceptron”
296
Rys. 4. „EduNet” – przykładowe okno systemu pomocy
Fig. 4. “EduNet” – hypothetical window of aid system
Podsumowanie
1. W inŜynierii rolniczej występuje wiele zjawisk i procesów trudnych
do opisania za pomocą modeli liniowych. Często prowadzi to do
sformułowania błędnych opinii o niemoŜności przedstawienia
badanych systemów w sposób matematyczny. Sieci neuronowe bez
trudu odwzorowują skomplikowane zaleŜności nieliniowe i mogą
być najszybszym i najwygodniejszym rozwiązaniem problemów
nieopisanych sformalizowanym modelem deterministycznym.
2. W związku z coraz częstszym wykorzystaniem sztucznych sieci
neuronowych w róŜnych dziedzinach nauki i praktyki, celowe jest
wytworzenie narzędzia pozwalającego na przybliŜenie metod
neuronowych uŜytkownikowi nieposiadającemu rozległej wiedzy.
3. Zaprojektowany informatyczny system edukacyjny przeznaczona
jest dla niezbyt zaawansowanych uŜytkowników. Pozwoli im ona na
zrozumienie podstawowych reguł działania sieci neuronowych, ich
budowy oraz przykładów zastosowania.
297
4. Aplikacja „EduNet” stanowi efektywne wsparcie procesu
edukacyjnego, związanego z zagadnieniem modelowania
neuronowego.
5. Wytworzony system informatyczny ma charakter adaptacyjny.
Istnieje wiele moŜliwości rozwoju tej aplikacji, jak na przykład
dodanie kolejnych modułów opisujących inne typy sieci
neuronowych, nowych algorytmów uczenia, a co za tym idzie
rozbudowy systemu pomocy.
Bibliografia
Boniecki P. 2004. Sieci neuronowe typu MLP oraz RBF jako komplementarne
modele aproksymacyjne w procesie predykcji plonu pszenŜyta. Journal of
Research and Applications in Agricultural Engineering, tom 49, PIMR, Poznań
Tadeusiewicz R. 1998. Elementarne wprowadzenia do techniki sieci neuronowych
z przykładowymi programami. Akademicka Oficyna Wydawnicza PLJ, Warszawa
INTERACTIVE EDUCATIONAL SYSTEM INTRODUCING
INTO ISSUE OF ARTIFICIAL NEURAL NETWORKS
Summary
The domain of artificial neural networks has its own source in the research of
artificial intelligence. Artificial neural networks (ANN) are trying to imitate the most
important features which represent the biological nervous systems. Nowadays in
most cases the name of “artificial neural networks” define as programming
simulators which allows the modeling of networks on PC computers. ANN permits
to modeling empirical systems which have indefinable relationships and are hard to
present in a traditional deterministic methods. They have as well the ability to
generalize. Owing to its features, ANN applies in resolving variety of problems in
many totally different areas, like: finances, medicine or agricultural engineering. It is
purposeful to prepare educational informatics system which allows a user to get
closer to subjects of neural modeling in easy and accessible way.
Key words: artificial neural networks, educational computer system
Recenzent – Jerzy Langman
298